【作业】中文词频统计及词云制作

1、中软国际华南区技术总监曾老师还会来上两次课，同学们希望曾老师讲些什么内容？（认真想一想回答）

答：希望可以演示一下大数据的应用，实实在在地演示，比如爬虫什么的。

2、中文分词

（1）下载一中文长篇小说，并转换成UTF-8编码。

（2）使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。

（3）**排除一些无意义词、合并同一词。

（4）**使用wordcloud库绘制一个词云。

（**两项选做，此次作业要求不能雷同。）

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt

import jieba

book = "绿山墙的安妮.txt"
txt = open(book,"r",encoding='utf-8').read()

exc = {'不是','一个','我们','这个'}

ls = []
words = jieba.lcut(txt)
counts = {}
for word in words:
    ls.append(word)
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0)+1  #计数字典
for word in exc:
    del(counts[word])   
items = list(counts.items())  #计数列表
items.sort(key = lambda x:x[1], reverse = True)  #排序
for i in range(20):
    word , count = items[i]
    print ("{:<10}{:>5}".format(word,count))
    
cy = WordCloud().generate(txt)
plt.imshow(cy)
plt.axis("off")
plt.show()